اکسپرس 24
کتاب پروژه‌های کاربردی علم داده با پایتون: از تحلیل داده تا مدل‌سازی و بصری‌سازی

کتاب پروژه‌های کاربردی علم داده با پایتون: از تحلیل داده تا مدل‌سازی و بصری‌سازی

تگ‌ها: بصری سازی داده پایتون پروژه علم داده تحلیل داده علم داده با پایتون علوم داده هوش مصنوعی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پروژه‌های کاربردی علم داده با پایتون: از تحلیل داده تا مدل‌سازی و بصری‌سازی

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و پایتون
  • 2. نصب و پیکربندی محیط توسعه
  • 3. آشنایی با کتابخانه‌های کلیدی علم داده
  • 4. کار با ساختارهای داده‌ای پایتون
  • 5. مقدمه‌ای بر پانداس برای تحلیل داده
  • 6. عملیات پایه با دیتافریم‌ها
  • 7. پاکسازی و پیش‌پردازش داده‌ها
  • 8. مدیریت داده‌های گمشده
  • 9. شناسایی و حذف داده‌های پرت
  • 10. تبدیل و تغییر شکل دیتافریم‌ها
  • 11. گروه‌بندی و تجمیع داده‌ها
  • 12. عملیات ادغام و پیوست دیتافریم‌ها
  • 13. کار با داده‌های سری زمانی
  • 14. مقدمه‌ای بر نام‌پای برای محاسبات عددی
  • 15. عملیات برداری با نام‌پای
  • 16. توابع ریاضی و آماری در نام‌پای
  • 17. مقدمه‌ای بر ماتریس‌ها و جبر خطی
  • 18. کار با داده‌های تصویری با نام‌پای
  • 19. مقدمه‌ای بر matplotlib برای بصری‌سازی
  • 20. رسم نمودارهای خطی و پراکندگی
  • 21. رسم نمودارهای میله‌ای و هیستوگرام
  • 22. رسم نمودارهای دایره‌ای و جعبه‌ای
  • 23. تنظیمات پیشرفته نمودارها
  • 24. کار با seaborn برای بصری‌سازی آماری
  • 25. نمودارهای رابطه‌ای با seaborn
  • 26. نمودارهای توزیعی با seaborn
  • 27. نمودارهای دسته‌بندی با seaborn
  • 28. نمودارهای ماتریسی با seaborn
  • 29. مقدمه‌ای بر یادگیری ماشین
  • 30. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 31. مراحل کلی یک پروژه یادگیری ماشین
  • 32. انتخاب ویژگی و مهندسی ویژگی
  • 33. روش‌های انتخاب ویژگی
  • 34. مقدمه‌ای بر رگرسیون خطی
  • 35. مدل‌سازی رگرسیون خطی
  • 36. ارزیابی مدل‌های رگرسیون
  • 37. مقدمه‌ای بر رگرسیون لجستیک
  • 38. مدل‌سازی رگرسیون لجستیک
  • 39. ارزیابی مدل‌های طبقه‌بندی
  • 40. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 41. کاربرد SVM در طبقه‌بندی
  • 42. مقدمه‌ای بر درختان تصمیم
  • 43. مدل‌سازی با درختان تصمیم
  • 44. مقدمه‌ای بر جنگل‌های تصادفی
  • 45. مدل‌سازی با جنگل‌های تصادفی
  • 46. مقدمه‌ای بر الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 47. کاربرد KNN در طبقه‌بندی و رگرسیون
  • 48. مقدمه‌ای بر خوشه‌بندی
  • 49. الگوریتم K-Means برای خوشه‌بندی
  • 50. ارزیابی نتایج خوشه‌بندی
  • 51. مقدمه‌ای بر کاهش ابعاد
  • 52. تحلیل مولفه‌های اصلی (PCA)
  • 53. کاربرد PCA در پیش‌پردازش داده
  • 54. مقدمه‌ای بر مدل‌های یادگیری عمیق
  • 55. شبکه‌های عصبی مصنوعی (ANN)
  • 56. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 57. کاربرد CNN در پردازش تصویر
  • 58. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 59. کاربرد RNN در پردازش دنباله‌ها
  • 60. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 61. روش‌های پیش‌پردازش متن
  • 62. مدل‌سازی موضوعی با LDA
  • 63. کاربرد مدل‌های زبانی
  • 64. مقدمه‌ای بر ارزیابی و اعتبارسنجی مدل
  • 65. تقسیم داده به مجموعه آموزش و آزمون
  • 66. اعتبارسنجی متقابل (Cross-validation)
  • 67. متریک‌های ارزیابی مدل‌های رگرسیون
  • 68. متریک‌های ارزیابی مدل‌های طبقه‌بندی
  • 69. مقدمه‌ای بر تنظیم هایپرپارامترها
  • 70. جستجوی شبکه‌ای (Grid Search)
  • 71. جستجوی تصادفی (Random Search)
  • 72. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 73. فیلترینگ مبتنی بر محتوا
  • 74. فیلترینگ مشارکتی
  • 75. مقدمه‌ای بر تشخیص ناهنجاری
  • 76. روش‌های مبتنی بر آمار
  • 77. روش‌های مبتنی بر یادگیری ماشین
  • 78. مقدمه‌ای بر پروژه‌های علم داده واقعی
  • 79. تحلیل داده‌های فروشگاه آنلاین
  • 80. مدل‌سازی پیش‌بینی تقاضا
  • 81. تحلیل داده‌های شبکه‌های اجتماعی
  • 82. مدل‌سازی تحلیل احساسات
  • 83. تحلیل داده‌های پزشکی
  • 84. مدل‌سازی تشخیص بیماری
  • 85. بصری‌سازی نتایج پروژه
  • 86. ارائه گزارش پروژه علم داده
  • 87. اخلاق در علم داده
  • 88. مسئولیت‌پذیری در استفاده از هوش مصنوعی
  • 89. امنیت داده‌ها و حریم خصوصی
  • 90. آینده علم داده و هوش مصنوعی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.